一个此前未被记录的威胁活动组织自2025年12月以来一直在针对美国教育和医疗保健部门进行恶意攻击活动。
思科Talos将这一攻击活动命名为UAT-10027。攻击的最终目标是部署一个前所未见的后门程序Dohdoor。
"Dohdoor利用DNS-over-HTTPS(DoH)技术进行命令控制通信,并具备下载和反射执行其他载荷二进制文件的能力,"安全研究员Alex Karkins和Chetan Raghuprasad在向The Hacker News分享的技术报告中表示。
尽管该攻击活动的初始访问途径目前尚不清楚,但疑似涉及使用社会工程钓鱼技术,导致PowerShell脚本的执行。
该脚本随后从远程暂存服务器下载并运行Windows批处理脚本,进而促进下载名为"propsys.dll"或"batmeter.dll"的恶意Windows动态链接库(DLL)。
DLL载荷(即Dohdoor)通过合法的Windows可执行文件(如"Fondue.exe"、"mblctr.exe"和"ScreenClippingHost.exe")使用DLL侧加载技术启动。植入程序创建的后门访问被用于直接将下一阶段载荷检索到受害者内存中并执行。该载荷被评估为Cobalt Strike Beacon。
"威胁行为者将命令控制服务器隐藏在Cloudflare基础设施后面,确保从受害者机器发出的所有出站通信看起来都是发往可信全球IP地址的合法HTTPS流量,"Talos表示。
"这种技术绕过了基于DNS的检测系统、DNS沉洞和网络流量分析工具对可疑域名查询的监控,确保恶意软件的命令控制通信能够绕过传统网络安全基础设施的检测。"
研究还发现,Dohdoor通过解除系统调用挂钩来绕过端点检测和响应(EDR)解决方案,这些解决方案通过NTDLL.dll中的用户模式挂钩监控Windows API调用。
Raghuprasad告诉The Hacker News,"攻击者感染了几个教育机构,包括一所与其他几个机构相连的大学,这表明潜在的攻击面更广。此外,受影响的实体之一是一家医疗机构,专门从事老年护理。"
对该攻击活动的分析显示,迄今为止没有数据泄露的证据。尽管除了似乎是用于后门进入受害者环境的Cobalt Strike Beacon之外,没有观察到其他最终载荷,但研究人员补充说,基于受害者模式,UAT-10027的行为可能是由经济利益驱动的。
目前尚不清楚UAT-10027的幕后操控者是谁,但思科Talos表示,他们发现Dohdoor与LazarLoader之间存在一些战术相似性,后者是此前被识别为朝鲜黑客组织Lazarus用于攻击韩国的下载器。
"虽然UAT-10027的恶意软件与Lazarus组织在技术上存在重叠,但该攻击活动对教育和医疗保健部门的关注偏离了Lazarus典型的加密货币和国防目标特征,"Talos总结道。
"然而,朝鲜APT行为者曾使用Maui勒索软件攻击医疗保健部门,另一个朝鲜APT组织Kimsuky也曾攻击教育部门,这突出了UAT-10027与其他朝鲜APT在受害者选择上的重叠。"
Q&A
Q1:UAT-10027是什么组织?主要攻击哪些目标?
A:UAT-10027是思科Talos追踪的一个此前未被记录的威胁活动组织,自2025年12月以来一直针对美国的教育和医疗保健部门进行恶意攻击活动。
Q2:Dohdoor后门程序有什么特殊能力?
A:Dohdoor是一个全新的后门程序,利用DNS-over-HTTPS(DoH)技术进行命令控制通信,具备下载和反射执行其他载荷二进制文件的能力,并能通过解除系统调用挂钩绕过端点检测和响应解决方案。
Q3:这次攻击活动的最终目的是什么?
A:目前分析显示没有数据泄露证据,除了部署Cobalt Strike Beacon创建后门访问外,没有观察到其他最终载荷。研究人员认为基于受害者模式,UAT-10027的行为可能是由经济利益驱动的。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。